Tesis ini menganalisis variabilitas curah hujan di Jawa Tengah dengan menggunakan data TRMM dari 1998-2008. Analisis PCA menghasilkan 3 komponen utama yang masing-masing terkait dengan indeks iklim global seperti DMI, SOI, dan NINO34. Hasil clustering dan FFT menunjukkan pola curah hujan monsunal dengan puncak musim hujan pada DJF dan kemarau pada JAS.

1. UAS ANALISA ANDAT II
Oleh:
KHARENDRA MUIZ
12813602
PROGRAM STUDI METEOROLOGI
FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
INSTITUT TEKNOLOGI BANDUNG
2014

2. OUTLINE
• PENDAHULUAN
•DATA DAN METODE
• HASIL DAN PEMBAHASAN
• KESIMPULAN

3. PENDAHULUAN
• Jawa Tengah adalah sebuah provinsi Indonesia yang
terletak di bagian tengah Pulau Jawa. Provinsi ini
berbatasan dengan Provinsi Jawa Barat di sebelah
barat, Samudra Hindia dan Daerah Istimewa
Yogyakarta di sebelah selatan, Jawa Timur di sebelah
timur, dan Laut Jawa di sebelah utara. Luas wilayahnya
34.548 km², atau sekitar 28,94% dari luas pulau Jawa.
Provinsi Jawa Tengah memiliki pola curah hujan
monsunal.

4. PETA LOKASI
Koordinat Jawa Tengah
Latitude: -9° LS s/d -5°
Longitude: 115° BT – 115° BT

5. DATA DAN METODE
DATA
Data yang digunakan adalah data Tropical
Rainfaal Measuring Mission (TRMM) dari tahun
1998 sampai 2008 (132bulan) di wilayah jawa
tengah. Koordinat :
-9° LS s/d -5° LS dan 115° BT – 115° BT

6. METODE
• FFT : Transformasi Fourier merupakan operasi yang mengubah satu fungsi
yang kompleks dari variabel riil menjadi bentuk lain, dari fungsi waktu
(time domain) menjadi fungsi frekuensi (frequency domain). Hal ini
dilakukan karena beberapa analisis lebih mudah dilakukan dalam domain
frekuensi daripada dalam domain waktu.
• Wavelet : merupakan fungsi bilangan kompleks berupa fungsi yang
dibangun dengan cara melakukan operasi konvolusi sebuah fungsi periodik
dengan jendela fungsi Gauss. Fungsi Wavelet Morlet dengan amplitude
dan lebar window tertentu.
• Principal Component Analysis (PCA) atau yang dikenal juga dengan
sebutan EOF (Empirical Orthogonal Functions) merupakan sebuah konsep
analisa statistik multivariat yang bertujuan untuk menyederhanakan
keterkaitan yang kompleks dari suatu data set dengan membentuk satu
atau lebih variabel baru sedemikian sehingga lebih mampu
menggambarkan pola dari keseluruhan data set dengan lebih baik.
• Clustering : proses mengelompokkan objek berdasarkan informasi yang
diperoleh dari data yang menjelaskan hubungan antar objek dengan prinsip
untuk memaksimalkan kesamaan antar anggota satu kelas dan
meminimumkan kesamaan antar kelas/cluster.

7. HASIL DAN PEMBAHASAN

8. HASIL SIGNIFICANCY TEST
0.098
0.063
0.051
0.036
Nilai PC:
Pc 1 =52%
Pc 2 =9.8%
Pc 3 =6.3%
Pc 4 =5.1%
Pc5=3.6%
Berdasarkan 3 uji signifikansi nilai eigen (Rule-N, Guttman Test,
dan Scree Test), diperoleh 5 buah mode PC atau nilai i=1 hingga
i=5. Dalam kajian ini hanya memakai 3 PC 68.1% dimana telah
mewakili keragaman d wilayah kajian, maka untuk analisis
Spasial, akan digunakan PC1, PC2, dan PC3

9. PC1 DMI
Korelasi=
-0.2783
SOI
Korelasi=
0.3763
NINO34
Korelasi=
-0.3336
Diambil 3 indek dengan korelasi
terbesar dengan PC1. indek SOI dan
NINO34 paling mempengaruhi pola
hujan di wilayah Jawa Tengah. Jadi
ketika ketiga indek menguat
menyebabkan curah hujan di Jawa
timur berkurang.

10. Keterkaitan PC1 dengan variabilitas
iklim global/regional
Indeks Iklim Besar korelasi
MEI -0.2596
DMI -0.2783
NAO 0.099
PDO -0.1283
SOI 0.3762
NINO34 -0.3336
AUSMI -0.0474
IMI 0.0427
WNPMI -0.0067
Note:
•DMI + CH – korel negatif
•SOI + CH + korel positif
•NINO34 + CH – korel
negatif

11. Dari dua grafik di
samping, maka
diperoleh bahwa
frekuensi yang paling
dominan adalah 1/28
bulanan atau periode
28 bulanan.
FFT PC1

12. Wavelet PC1
Dari hasil wavelet pada PC1 terlihat periode dominan 2 sampai 4
tahunan yang terjadi pada tahun 2004 – 2008.

13. Cluster PC1
Dari gambar disamping terlihat hasil
clustering membentuk pola yang sama
dengan PC1. Clustering dengan
menggunakan 5 kelas. Terlihat kelas 4
dominan berada di bagian barat, dan
kelas 5 dominan berada di bagian timur
jawa tengah.

14. Cluster PC1
Grafik di atas merupakan data boxplot yang telah di urutkan per kelas
dari hasil clustering PC1 dan terlihat membentuk pola monsunal.
Dimana bulan terbasah terjadi pada DJF dan bulan terkering terjadi
pada JAS

15. FFT Kelas 1 – 5 pada cluster PC1
Grafik di atas merupakan hasil fft dari kelas 1 – 5 pada clustering PC1
diperoleh bahwa frekuensi yang paling dominan adalah 1/12 bulanan
atau periode 12 bulanan. Hasil tersebut semakin menegaskan wilayah
jawa tengah memiliki pola hujan Monsunal.

16. PC2 DMI
Korelasi=
-0.3357
SOI
Korelasi=
0.2713
NINO34
Korelasi=
-0.3536 Diambil 3 indek dengan korelasi
terbesar dengan PC2. indek DMI dan
NINO34 paling mempengaruhi pola
hujan di wilayah Jawa Tengah.

17. Keterkaitan PC2 dengan variabilitas
iklim global/regional
Indeks Iklim Besar korelasi
MEI -0.1764
DMI -0.3357
NAO 0.1308
PDO -0.1942
SOI 0.2713
NINO34 -0.3536
AUSMI -0.0798
IMI 0.0621
WNPMI -0.0808
Note:
•DMI + CH – korel negatif
•SOI + CH + korel positif
•NINO34 + CH – korel
negatif

18. Dari dua grafik di
samping, maka
diperoleh bahwa
frekuensi yang paling
dominan adalah
1/128 bulanan atau
periode 128 bulanan
FFT PC2

19. Wavelet PC2
Dari hasil wavelet pada PC2 terlihat periode dominan 2 - 3 tahunan
yang terjadi pada tahun 1998 – 2000 dan pada periode 8 tahunan yang
terjadi pada tahun 1998 – 2008.

20. Cluster PC2
Dari gambar diatas terlihat hasil clustering
membentuk pola yang sama dengan PC2.
Clustering dengan menggunakan 5 kelas.
Terlihat kelas 5 & 4 dominan berada di
bagian timur laut, dan kelas 1 dominan
berada di bagian barat jawa tengah.

21. Cluster PC2
Grafik di atas merupakan data boxplot yang telah di urutkan per kelas
dari hasil clustering PC2 yang membentuk pola monsunal. Dimana
bulan terbasah terjadi pada DJF dan bulan terkering terjadi pada JAS

22. FFT Kelas 1 – 5 pada cluster PC2
Grafik di atas merupakan hasil fft dari kelas 1 – 5 pada clustering PC2
diperoleh bahwa frekuensi yang paling dominan adalah 1/12 bulanan
atau periode 12 bulanan. Hasil tersebut semakin menegaskan wilayah
jawa tengah memiliki pola hujan Monsunal.

23. PC3 DMI
Korelasi=
0.3977
SOI
Korelasi=
-0.4489
NINO34
Korelasi=
0.3906 Diambil 3 indek dengan korelasi
terbesar dengan PC3. indek DMI,
SOI dan NINO34 paling
mempengaruhi pola hujan di wilayah
Jawa Tengah.

24. Keterkaitan PC3 dengan variabilitas
iklim global/regional
Indeks Iklim Besar korelasi
MEI 0.2263
DMI 0.3397
NAO -0.1908
PDO 0.1314
SOI -0.4489
NINO34 0.3906
AUSMI -0.0898
IMI -0.0633
WNPMI 0.0720
Note:
•DMI + CH – korel negatif
•SOI + CH + korel positif
•NINO34 + CH – korel
negatif

25. Dari dua grafik di
samping, maka
diperoleh bahwa
frekuensi yang paling
dominan adalah
1/128 bulanan atau
periode 128 bulanan.
FFT PC3

26. Wavelet PC2
Dari hasil wavelet pada PC2 terlihat periode dominan 2 - 3 tahunan
yang terjadi pada tahun 1998 – 2000 dan pada periode 8 tahunan yang
terjadi pada tahun 1998 – 2008.

27. Cluster PC3
Dari gambar disamping terlihat hasil
clustering membentuk pola yang sama
dengan PC3. Clustering dengan
menggunakan 5 kelas. Terlihat kelas 4
dominan berada di bagian utara, dan
kelas 1&2 dominan berada di bagian
selatan jawa tengah.

28. Cluster PC3
Grafik di atas merupakan data boxplot yang telah di urutkan per kelas
dari hasil clustering PC3 yang membentuk pola monsunal. Dimana
bulan terbasah terjadi pada DJF dan bulan terkering terjadi pada JAS

29. FFT Kelas 1 – 5 pada cluster PC3
Grafik di atas merupakan hasil fft dari kelas 1 – 5 pada clustering PC3
diperoleh bahwa frekuensi yang paling dominan adalah 1/12 bulanan
atau periode 12 bulanan. Hasil tersebut semakin menegaskan wilayah
jawa tengah memiliki pola hujan Monsunal.

30. Komposit Cluster PC1-3
Permbagian kelas menjadi
5 kelas. Dari gambar
disamping terlihat
komposit cluster dari PC1-
3 yang mengahsilkan
pembagian kelas yang
cukup teratur. Berbeda
dengan hasil cluster per
PC yang ada yang
menyebar. Kelas 5 berada
di sebelah selatan, kelas
3&4 berada di utara dan
kelas 2 berada di tengah
Jawa Timur

31. Komposit Cluster PC1-3
Grafik di atas merupakan data boxplot yang telah di urutkan per kelas
dari hasil clustering Komposit PC1-3 yang membentuk pola monsunal.
Dimana bulan terbasah terjadi pada DJF dan bulan terkering terjadi
pada JAS

32. KESIMPULAN
• Wilayah Jawa Tengah mempunyai pola curah hujan
Monsunal, dimana puncak bulan terbasah terjadi
pada DJF dan bulan terkering terjadi pada JAS.
• Fenomena Global yang paling mempengaruhi Curah
Hujan di wilayah Jawa Timur adalah Dipole mode,
SOI dan NINO34(Elnino). Tetapi hal ini tidak cocok
untuk Pc3 karena ketika ketiga indeks iklim
menguat, curah hujan di Jawa Tengah malah
meningkat.
• Dari grafik boxplot yang telah di urutkan per kelas
dari hasil clustering PC1,PC2 dan PC3 terlihat
membentuk pola curah hujan monsunal. hal ini
diperkuat dengan melakukan FFT pada tiap kelas
pada ketiga PC tersebut telihat periode 12 bulanan.

33. • Dari grafik boxplot yang telah di urutkan per
kelas dari hasil komposit clustering PC1-3
terlihat membentuk pola curah hujan monsunal.